本专栏主要是提供一种国产化图像识别的解决方案，专栏中实现了YOLOv5/v8在国产化芯片上的使用部署，并可以实现网页端实时查看。根据自己的具体需求可以直接产品化部署使用。_yolov8目标检测部署rk3588py...
【YOLOv8改进-注意力机制】CAA：上下文锚点注意力模块，处理尺度变化大或长形目标_caa模块...
YOLO（YouOnlyLookOnce）系列是目标检测领域的佼佼者，其模型在精度和速度上不断取得突破。YOLOv8作为该系列的最新版本，已经在多个检测任务中展现了其强大的性能。然而，面对新兴的检测需求和挑战，我们需要进一步优化Y...
iRMB倒置残差块是一种高效的卷积模块，主要用于提高模型的表达能力和计算效率。它结合了倒置残差块和注意力机制，使得模型能够更好地关注关键区域并减少计算量。倒置残差块（InvertedResidualBlock）：...
YOLO（YouOnlyLookOnce）系列模型以其高效的实时目标检测能力而闻名。YOLOv8作为该系列的最新版本，通过引入改进的网络结构和算法优化，进一步提升了目标检测的性能。然而，YOLOv8在特征提取阶段的网络结构仍有改进...
YOLOv11vsYOLOv8：谁才是真正的AI检测之王？_yolov11和yolov8...
YOLOv8作为YOLO系列的最新版本，通过多项技术改进提升了检测精度和速度。YOLOv8的核心架构包括主干网络、特征金字塔网络（FPN）、以及检测头。尽管其性能已经非常强劲，但进一步的改进空间仍然存在。BiFPN（Bidirectio...
本文探讨了如何通过引入自适应特征金字塔网络（AFPN）来提升YOLOv8在小目标检测中的性能。AFPN通过对多尺度特征的精细化融合，增强了模型对不同尺度目标的感知能力，特别是对小目标的检测能力进行了有效提升。我们通过引入可学习权重参数和...
本文详细介绍了如何从YOLOv8模型的训练过程中提取损失和mAP数据，并通过Python绘图工具进行可视化。通过将多个训练结果绘制在同一张图中，我们可以直观地对比不同实验的表现，从而帮助科研人员更好地分析模型的性能。除了Y...
本文采用YOLOv8作为核心算法框架，结合PyQt5构建用户界面，使用Python3进行开发。YOLOv8以其高效的实时检测能力，在多个目标检测任务中展现出卓越性能。本研究针对TT100k数据集进行训练和优化，该数据集包含丰富的交通标志样本，为模型的准确性和泛...